Update README.md

README.md

@@ -1,20 +1,164 @@
 ---
 license: apache-2.0
-dataset_info:
-  features:
-  - name: prompt
-    dtype: string
-  - name: ground_truth
-    dtype: string
-  splits:
-  - name: train
-    num_bytes: 4060955
-    num_examples: 13970
-  download_size: 2095075
-  dataset_size: 4060955
-configs:
-- config_name: default
-  data_files:
-  - split: train
-    path: data/train-*
+language:
+- en
+tags:
+- math
+- reasoning
+- grpo
+- reinforcement-learning
+- cleaned
+- text-generation
+task_categories:
+- text-generation
+pretty_name: MATH Thinking (Cleaned)
+size_categories:
+- 10K-100K
 ---
+
+# MATH Thinking (Cleaned)
+
+Dataset matematika yang sudah dibersihkan untuk melatih kemampuan penalaran (reasoning) model bahasa melalui Reinforcement Learning.
+
+## Deskripsi Dataset?
+
+Dataset ini adalah versi **bersih** dari dataset asli **`open-r1/DAPO-Math-17k-Processed`**. Dataset aslinya berisi **~17.000 soal matematika** yang menantang, lengkap dengan **jawaban akhir (ground truth)** yang bisa diverifikasi otomatis.
+
+Dataset ini dirancang khusus untuk **GRPO (Group Relative Policy Optimization)** — metode Reinforcement Learning yang melatih model untuk berpikir bertahap dalam menyelesaikan soal matematika.
+
+## Sumber Dataset Asli
+
+| Aspek | Detail |
+|-------|--------|
+| **Dataset Asli** | [`open-r1/DAPO-Math-17k-Processed`](https://huggingface.co/datasets/open-r1/DAPO-Math-17k-Processed) |
+| **Pembuat Asli** | Open-R1 |
+| **Lisensi Asli** | Apache 2.0 |
+| **Bahasa** | Inggris |
+| **Format** | Prompt + Ground Truth |
+
+Dataset ini merupakan **turunan** dari dataset asli tersebut. Kami melakukan proses cleaning untuk meningkatkan kualitas data, tanpa mengubah konten aslinya.
+
+## Fungsi Dataset Ini
+
+Dataset ini dirancang untuk:
+
+- **GRPO Training** — melatih model matematika dengan Reinforcement Learning
+- **Reasoning Enhancement** — meningkatkan kemampuan berpikir bertahap
+- **Math Problem Solving** — melatih model menyelesaikan soal matematika
+- **Verifiable Rewards** — jawaban bisa diverifikasi otomatis (cocok untuk RL)
+
+## Struktur Dataset
+
+Dataset ini memiliki **2 kolom**:
+
+| Kolom | Tipe | Deskripsi |
+|-------|------|-----------|
+| `prompt` | string | Soal matematika |
+| `ground_truth` | string | Jawaban akhir yang benar |
+
+### Contoh Data
+
+```json
+{
+  "prompt": "Solve for x: 2x + 5 = 13",
+  "ground_truth": "4"
+}
+```
+
+Proses Cleaning
+
+Dataset ini sudah dibersihkan melalui beberapa tahap:
+
+1. Hapus duplikat — menghilangkan prompt yang sama
+2. Filter panjang — buang data yang terlalu pendek atau terlalu panjang
+3. Filter ground truth kosong — buang data tanpa jawaban valid
+4. Filter konten toxic — buang data yang tidak pantas
+5. Normalisasi whitespace — rapikan format teks
+6. Filter prompt matematika — pastikan data benar-benar soal matematika
+
+Cara Menggunakan
+
+Load Dataset
+
+```python
+from datasets import load_dataset
+
+dataset = load_dataset("OpenPathAI/MATH-thinking")
+print(dataset["train"][0])
+```
+
+Untuk GRPO Training
+
+```python
+from datasets import load_dataset
+from trl import GRPOTrainer, GRPOConfig
+
+dataset = load_dataset("OpenPathAI/MATH-thinking", split="train")
+
+# Format untuk GRPO
+def format_dataset(row):
+    return {
+        "prompt": [{"role": "user", "content": row["prompt"]}],
+        "answer": row["ground_truth"],
+    }
+
+dataset = dataset.map(format_dataset)
+
+# Setup GRPO trainer
+config = GRPOConfig(
+    output_dir="./output",
+    num_train_epochs=1,
+    per_device_train_batch_size=1,
+    num_generations=4,
+    max_completion_length=512,
+    temperature=0.9,
+)
+
+trainer = GRPOTrainer(
+    model=model,
+    args=config,
+    train_dataset=dataset,
+)
+trainer.train()
+```
+
+### Statistik
+
+Metrik Nilai
+- Total samples ~13.000
+- Bahasa Inggris
+- Format Prompt + Ground Truth
+- Lisensi Apache 2.0
+- Use Case GRPO / RL Training
+
+### Lisensi
+
+Dataset ini dilisensikan di bawah Apache License 2.0, mengikuti lisensi dataset asli dari Open-R1.
+
+### Sitasi
+
+Jika kamu menggunakan dataset ini, mohon sitasi dataset asli dan dataset turunan ini:
+
+```bibtex
+@misc{dapo-math-17k,
+  author = {Open-R1},
+  title = {DAPO-Math-17k-Processed},
+  year = {2025},
+  publisher = {Hugging Face},
+  howpublished = {\url{https://huggingface.co/datasets/open-r1/DAPO-Math-17k-Processed}}
+}
+
+@misc{math-thinking,
+  author = {OpenPathAI},
+  title = {MATH Thinking (Cleaned)},
+  year = {2026},
+  publisher = {Hugging Face},
+  howpublished = {\url{https://huggingface.co/datasets/OpenPathAI/MATH-thinking}}
+}
+```
+
+Kontak
+
+- Organisasi: OpenPathAI
+- Hugging Face: https://huggingface.co/OpenPathAI
+- Website : https://openpath.web.id